Recomendaciones personalizadas para las compras en Internet
En los entornos de venta online funcionan sistemas automáticos de recomendación de productos. Por norma, estos sistemas sugieren artículos en función de las elecciones anteriores del usuario. No obstante, estos sistemas de filtrado colaborativo no poseen una capacidad de aprendizaje muy buena y puede pasárseles por alto continuamente que al consumidor podría interesarle un producto que aún no es popular. Por otro lado, un sistema de esta clase puede valerse del filtrado de contenidos para recomendar productos adicionales conforme a las compras anteriores del consumidor. Este caso también es ineficaz, porque los productos propuestos serán muy similares a los ya adquiridos y por tanto innecesarios. La finalidad del proyecto financiado con fondos europeos ASSORTMENTCUSTOMIZE es desarrollar métodos informáticos para personalizar las recomendaciones a cada usuario según sus características individuales. En él se aprovechan los datos de las compras para determinar el tipo de consumidor y factores situacionales conforme a sus intereses, propósitos y edad. El sistema emplea estos arquetipos y categorías de productos, el coste y los precios de cada producto para recopilar una lista óptima de sugerencias para cada consumidor. El algoritmo interno se perfecciona con cada decisión tomada por el consumidor. Los cálculos informáticos correspondientes suelen ser lentos, pero la herramienta de ASSORTMENTCUSTOMIZE será más rápida gracias a su programación innovadora. De este modo, los minoristas podrán ofrecer a los consumidores series de productos sugeridos que se ajusten a sus características y, por consiguiente, incrementen al máximo las ganancias. El equipo del proyecto probará los algoritmos en el mercado de la televisión por cable, si bien la tecnología empleada será aplicable a otros sectores caracterizados por una gran variedad de elecciones. Durante la primera etapa del proyecto se rediseñaron los parámetros originales del modelo para permitir que el software aprendiera de manera simultánea un número ilimitado de características del cliente. Antes esta función estaba limitada a una característica cada vez. Asimismo, el equipo del proyecto obtuvo de una empresa estadounidense de materiales audiovisuales un conjunto amplio de datos sobre preferencias que permitió establecer el historial de clientes necesario para este proyecto. Con estos datos se realizaron simulaciones y se optimizó el algoritmo, a raíz de lo cual se obtuvo un prototipo funcional en versión web. También se han logrado numerosas otras mejoras del software. La fase siguiente, en junio de 2013, consistió en una prueba del sistema en la que participaron más de dos millares de usuarios. Gracias a ello, los resultados fueron más realistas. A partir de todo ello se redactó un artículo que se remitirá a la prestigiosa revista Management Science.
